什么是 GPT？为何它在今天如此重要

GPT 是 Generative Pre-trained Transformer（生成式预训练 Transformer）的缩写。这既是对某类 AI 模型构建方式的技术描述，也是 OpenAI 的产品名称，而围绕这个词的大多数困惑正来源于此。

理解这个缩写中的三个词，几乎就能解释这些工具的全部行为：它们擅长什么、为什么有时会无比自信地说错话，以及为什么不知道上周发生了什么。花二十分钟弄懂它很值得，因为这会改变你使用它们的方式。

本指南将解释这个术语的含义、模型如何在不涉及数学公式的情况下工作、它们为何会以特定方式出错，以及 GPT 与 ChatGPT 和其他常见模型之间的关系。

GPT 是一种用海量文本训练的 AI 模型，它通过不断预测接下来最可能出现的内容来生成新文本。你给它一些词，它判断最合理的后续内容，将其加入，然后重复这一过程。这些系统看似能完成的一切——回答问题、编写代码、总结文档、进行对话——都来自同一种操作被执行得极其出色。

这个词有两层含义，但人们很少将它们分开。作为技术描述，生成式预训练 Transformer 指的是大多数现代语言模型共有的一整套架构；作为品牌，GPT 是 OpenAI 对自家模型的称呼。因此，几乎所有知名 AI 助手都基于这种架构，同时只有 OpenAI 的模型才叫 GPT。也正因如此，“它是 GPT 吗？”会有两个相反却都正确的答案。

还有第三种用法值得了解：一些平台允许用户配置并分享的小型自定义助手也被称为 GPT。它们不是新模型，而是在同一个底层模型上附加了指令。有人说自己“创建了一个 GPT”时，理解这一点很重要。

这三个词分别描述了会影响模型实际行为的一个方面。

• Generative（生成式）。它会生成新文本，而不是从一组预存答案中选择。模型内部没有可供查询的答案数据库。它给出的每句话都是当场构建的，因此同一个问题问两次可能得到不同答案。
• Pre-trained（预训练）。学习发生在你输入任何内容之前，训练材料是截至某个特定日期收集的大量文本。这个日期就是训练截止时间，因此模型可以流利地谈论某个主题，却完全不知道上个月发生的事。这也解释了它为什么不会从你的对话中持续学习：除非产品有意保存信息，否则下一次会话仍会从零开始。
• Transformer。这是让上述能力成为可能的架构，首次出现在 2017 年发表的研究中。它的核心思想是“注意力”：模型在处理文本的任何部分时，都会衡量其他各部分与之相关的程度。这让它能跨越多个段落追踪代词所指，也使其处理上下文的能力远超此前的系统。

中间这个词最容易让人误解。人们常期待系统会向自己学习并主动查找信息，但实际得到的却是一个早已完成学习、只能根据记忆重建内容的系统；许多挫败感都源于这种预期差。

模型并不完全以单词为单位工作，而是使用 token，也就是词语片段，在英语中平均约四个字符。模型看到的是由这些片段组成的链条，而不是完整的词。这一小细节会产生明显后果：模型过去常不擅长数一个单词里有多少字母或反转字符串，部分原因就是它看到的字母方式与你不同。

训练时，模型会看到海量文本，其中部分内容被遮住，并被要求预测缺失部分。每次预测错误，内部参数都会被轻微调整。这个过程在互联网书面内容的很大一部分上反复进行，累积的调整最终让模型吸收了语言使用的统计结构，包括解释如何组织、代码如何编写，以及论证如何展开。

当你发送消息时，这条消息与此前的对话共同构成上下文。模型预测下一个 token，将其加入，再不断重复，直到判断回答结束。它不会像人一样检索或思考；不过，新一代模型会在回答前生成中间步骤，这能改善需要多步处理的问题。

完成主要训练后，模型还会经历进一步阶段，这些阶段塑造的更多是行为而非知识，例如学习遵循指令、提供帮助以及拒绝某些请求。因此，用相似材料训练的两个模型也可能有截然不同的使用感受。你所感受到的模型“个性”，很大一部分来自这一阶段，而非底层架构。

这是使用这些工具时最值得理解的一点，也直接源于它们的工作方式。模型正在生成当前文本最合理的后续内容。当你询问事实时，合理的后续就是一个听起来可信的事实；模型内部没有标记能区分准确学到的信息与此刻构造的内容。从内部看，两者完全相同，因为在机制上它们就是同一种操作。

这解释了一系列原本看似互不相关的错误：自信地捏造引用、给出没有来源但听起来合理的统计数字、编出从未发生的判例，或提到库中不存在的函数。模型既不是在撒谎，也不是发生故障；它只是在“听起来合理”与“真实”不一致的问题上，准确执行了自己的生成机制。

这也说明了错误最容易集中在哪里。具体事实、姓名、数字、日期和引文最容易出问题，因为接近正确与错误没有区别。结构整理、解释、改写以及基于你提供材料的推理则较少出错，因为在这些任务中，合理答案通常就是正确答案。

• 自信不是可靠信号。无论答案正确还是编造，语气都可能完全一样，因此语气无法说明可信度。任何重要内容都要核实，不管它听起来多么确定。
• 给它材料，不要让它凭记忆回答。同一个模型阅读你粘贴的文档时，会比凭记忆复述该文档可靠得多。养成这个习惯能消除大部分风险。
• 问它哪些内容无法核实。只需加一句“告诉我哪些部分你不确定”，往往就能暴露出比预期更多的薄弱点。
• 工具会改变情况。能搜索网页或运行代码的模型做的不是回忆，而是获取或计算，再描述结果。这要可靠得多，但仅限于它实际获取的部分。

GPT 是模型，ChatGPT 是围绕模型构建的产品，包括界面、对话历史、文件上传、安全层和账户。两者就像发动机与汽车。汽车可以换发动机，而 OpenAI 已经多次这样做，产品名称仍然保持不变。

更难的问题是 Claude、Gemini、Grok 或 DeepSeek 是否属于 GPT。从技术上说，它们都是生成式预训练 Transformer：属于同一架构家族，采用相似的基础训练方法，这三个词也都适用。但它们都不叫 GPT，因为 GPT 是 OpenAI 的品牌，而不是中性类别名称。把 Claude 称为 GPT，就像把所有吸尘器都叫 Hoover：别人能理解，但正式来说并不准确。

实际使用中，真正有用的区别不是它们大体共有的架构，而是谁开发了它，以及它叫什么：

这一点比听起来更重要。人们常认为这些工具只是换了不同标志的同一种东西，因此觉得选择哪个都一样。它们确实共享架构，但训练材料不同，负责调整的团队和优先目标不同，对同一个请求的表现也会明显不同。我们的 Gemini、Grok 和 DeepSeek 指南介绍了它们各自的区别。

真正有效的用途，是那些符合模型运行机制的任务。转换、解释和结构化效果很好；回忆具体事实效果很差。几乎所有失望的用户都站在了这条分界线的错误一侧。

• 把一种文本转换成另一种。将笔记变成摘要，将录音文本变成决定和行动项，将一个段落改成三个短版本，或把英语翻译成另一种语言。源材料就在模型面前，因此这是最可靠的一类任务。
• 按你的水平解释内容。让它用三种不同方式解释同一概念，直到有一种真正讲明白。在这方面，这些工具确实优于搜索引擎，因为它们会调整解释，而不是再次给你同一个网页。
• 生成选项供你选择。十个邮件主题、六种论证结构、四个名称。模型更擅长生成范围广泛的选项，而不是选出正确答案；你则比它更擅长做选择。
• 生成初稿和供你审查的代码。突破空白页面非常有价值，前提是把输出视为需要编辑的材料，而不是成品。代码尤其可能语法完美却语义错误，因此必须运行验证，而不能直接相信。
• 让它反驳你。问它你的计划哪里有问题，或要求它给出反对你所持立场的最强论证。这项能力最常被忽视，却往往最有价值，因为它不花成本，有时还能避免重大损失。

我们的 最佳 ChatGPT 提示词 合集收录了值得记住的 25 个提示词，而更全面的 ChatGPT 提示词 指南则讲解使用技巧。

版本号每隔几个月就会变化，任何点名版本的文章都会在发布后不久过时。发展方向比具体版本更持久，其中有四个值得了解。

• 回答前先工作的模型。推理型模型不会立即输出答案，而是先生成中间步骤。这需要更多时间，却能显著改善多阶段任务的结果，因此处理难题时值得有意识地选择。
• 文本不再是唯一输入。同一种架构现在也能处理图像、音频和文档。GPT Image 2.0 将推理思路应用于图像，在渲染前先规划构图，而不是直接生成。
• 用工具代替回忆。能够搜索、运行代码或调用其他系统的模型，可以针对实际获取的信息绕过预训练截止时间。这是对前述限制最重要的改变，也解释了为什么同一个模型在一个产品中可能不可靠，在另一个产品中却很可信。
• 小模型正在追赶。价格低、速度快的级别，如今已经能处理许多两年前必须旗舰模型才能完成的任务。对于多数日常工作，昂贵模型不再是显而易见的选择；如果你很久以前就固定使用某个模型，值得重新评估。

没有改变的是运行机制。这些系统仍在预测接下来会出现什么，因此无论最新版本多么强大，前面描述的错误模式依然适用。

当你知道这些模型架构相近，但训练和调整方式不同后，实际问题就不再是“哪个最好”，而是“哪个最适合当前任务”。读文章很难回答，亲自测试却很简单：把同一个提示词交给两个模型处理你自己的工作，一分钟获得的信息就可能超过任何比较文章。

Chat Smith 正是为此而生。模型列表 将多个 GPT 级别与 Claude、Gemini、Grok 和 DeepSeek 放在一起，因此你可以把推理模型用于难题，把快速模型用于二十份准备舍弃的草稿，把长上下文模型用于没人愿意阅读的文档，而无需分别订阅每一个服务。Chat Smith 可免费试用。

如果只记住一件事：GPT 非常擅长预测接下来应该出现什么文本，这既是它非凡的原因，也是它在事实方面不可靠的原因。用它来转换、解释和生成选项；任何具体信息都要核实。理解这一区别，比掌握任何提示技巧都更能帮助你用好这些工具。